К содержимому
Видео

MiniMax-H3 People & Vehicle Removal LoRA

очистка обычных и 360° видео от людей и машин

2 мин чтенияобновлено

Эта LoRA (небольшая обучаемая надстройка над базовой моделью) предназначена для видеогенератора MiniMax-H3 Ref2VA и убирает людей, транспорт и следы съёмки из перспективы и 360-градусных панорамных сцен. На вход подаются три опорных кадра в хронологическом порядке и текстовый промпт на удаление, а на выходе получается чистое фоновое видео без лишних объектов. В отличие от базовой MiniMax-H3, которая оставляет машины на дороге и оператора в нижней части панорамы, адаптер уверенно зачищает сцену благодаря переносу навыка с обычных видео на панорамные. Инструмент пригодится тем, кто работает со стрит-съёмкой, виртуальными турами или готовит чистые фоны для визуальных эффектов.

Ключевые особенности

  • Поддерживает как стандартные перспективные сцены (832×480), так и полные 360° панорамы (960×480).
  • Генерирует ролики длиной 107 кадров при 24 fps по трём разреженным опорным изображениям (например, кадры 0, 35 и 106 для панорам).
  • Переносит навык удаления объектов на панорамы без парных 360° датасетов — обучение шло совместно на реконструкции панорам и парных перспективных клипах.
  • Компактный вес 125 MiB в формате BF16 с рангом 32, подключается поверх базы MiniMax-H3 Ref2VA через библиотеку DiffSynth-Studio.

Что можно сделать

  • Убрать оператора, его руки, плечи и артефакты нижней точки (надира) из панорамной уличной съёмки 360°.
  • Очистить городские и дорожные кадры от прохожих и припаркованных или проезжающих автомобилей, получив пустую улицу.
  • Использовать как этап подготовки чистых фонов на основе трёх ключевых кадров с помощью пайплайна DiffSynth-Studio.

Пример

from diffsynth.pipelines.minimax_h3_audio_video import ModelConfig

pipe.load_lora(
    pipe.dit,
    ModelConfig(path="MiniMax-H3-People-Vehicle-Removal-Ref2VA-v1-step1000.safetensors"),
    alpha=1.0,
)
ПодробнееМетрики (замер SAM3 на 21 кадре): доля кадров с людьми/авто в панорамах снизилась с 81.9% до 25.7%, в перспективе — с 15.7% до 0.0% (SSIM вырос с 0.325 до 0.392).
Рекомендуемые настройки инференса: CFG 1.0, 50 шагов сэмплирования, 107 кадров, 24 fps, звук отключён, референсы подаются в Qwen и VAE.
Обучение: 1000 шагов (AdamW, lr 5e-5, batch 16) на 6635 клипах (3598 панорамных и 3037 перспективных пар из SpatialVID и PanoVid).
Лицензия: MiniMax H3 Community License (некоммерческое использование, стандартная лицензия исключает ЕС, Великобританию, США и Южную Корею без отдельного разрешения).
Примеры и видео
Обсудить Telegram 1 41

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 62 GB · готовые файлы74 GB
  • FP8 / INT8рекомендуемвеса 31 GB39 GB
  • 4-bitвеса 17 GB23 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: В домашние видеокарты не поместится — выгоднее арендовать.

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью MiniMax-H3.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте RTX A6000

    $0.43 в час с купоном. При создании машины выберите образ Ubuntu.

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    #!/usr/bin/env bash
    # MiniMax-H3-People-Vehicle-Removal-LoRA
    set -e
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    # CUDA 13+ → int8_convrot (так советует Comfy-Org), иначе fp8_scaled
    CU=$(nvidia-smi | grep -oP 'CUDA Version: \K[0-9]+' || echo 12)
    [ "$CU" -ge 13 ] && TORCH=cu130 || TORCH=cu128
    [ -d ~/ComfyUI ] || git clone https://github.com/comfyanonymous/ComfyUI ~/ComfyUI
    cd ~/ComfyUI
    uv venv --python 3.12 --allow-existing && source .venv/bin/activate
    uv pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/$TORCH
    uv pip install -r requirements.txt "huggingface_hub[cli]"
    # Базовые файлы: MiniMax H3, 8-bit
    if [ "$CU" -ge 13 ]; then
      hf download Comfy-Org/MiniMax-H3 diffusion_models/minimax_h3_fl2va_int8_convrot.safetensors text_encoders/qwen3vl_32b_minimax_h3_int8_convrot.safetensors vae/minimax_h3_video_vae_fp16.safetensors vae/minimax_h3_audio_vae_fp32.safetensors --local-dir models
    else
      hf download Comfy-Org/MiniMax-H3 diffusion_models/minimax_h3_fl2va_pruned_fp8_scaled.safetensors text_encoders/qwen3vl_32b_minimax_h3_nvfp4_awq.safetensors vae/minimax_h3_video_vae_fp16.safetensors vae/minimax_h3_audio_vae_fp32.safetensors --local-dir models
    fi
    # LoRA (1)
    hf download jialidddh/MiniMax-H3-People-Vehicle-Removal-LoRA MiniMax-H3-People-Vehicle-Removal-Ref2VA-v1-step1000.safetensors --local-dir models/loras/jialidddh__MiniMax-H3-People-Vehicle-Removal-LoRA
    # Запуск ComfyUI. Со своего компьютера: ssh -L 8188:localhost:8188 пользователь@IP, затем http://localhost:8188
    python main.py --listen 127.0.0.1 --port 8188
    Добавить ещё LoRA к MiniMax-H3
  3. 3. Пользуйтесь

    Со своего компьютера: ssh -L 8188:localhost:8188 пользователь@IP-машины, затем откройте http://localhost:8188. Или откройте этот адрес в браузере на рабочем столе машины. Workflow для модели обычно лежит в её карточке на Hugging Face.

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • LightX2V step distill0.6.1от 9 ноября 2026новая версия

    5–10× меньше шагов

    Дистиллированные LoRA и движок: видео за 4–8 шагов вместо 30–50.

    Как включить: Подключите их step-distill LoRA к модели, CFG 1.0, 4–8 шагов.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Промпты для MiniMax H3

Все промпты

Готовые промпты с видео результата: копируйте и пробуйте.

Семья модели

Нужна базовая модель

MiniMaxAI/MiniMax-H3

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии MiniMax-H3 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 3Все на Hugging Face

О модели

jialidddh/MiniMax-H3-People-Vehicle-Removal-LoRA
Автор
jialidddh
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

411

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии